搜索资源列表
hua使用MATLAB设计小波变换程序中的若干问题
- 在使用MATLAB完成小波变换程序和通过阈值来压缩图像的过程中，我和许多同学都是边学边用，是从一个接一个的问题中逐步理解小波和MATLAB编写程序的。因此我愿意就个人遇到和解决问题的经验与大家讨论，希望能够对遇到同样问题的人有所帮助。-using MATLAB completed wavelet transform procedures and through the threshold to compress images of the process, I and many of my cl
小波分析--黄变换程序
- 首先，找出 上所有的极值点，然后用三次样条函数曲线循序连接所有的极大值点，得到信号 的上包络线 ，采用同样的方法连接所有的极小值点，得到 的下包络线 。循序连接上、下两条包络线的均值可得到一条均值线 ： （7－1） 再用 减去 得到 ： （7－2） 如果 满足IMF的两个条件，则 即为第一阶IMF，一般来说， 并不满足条件，此时，
Numerical_Recipes_in_C.The_Art_of_Scientific_Compu
- 《数值分析方法库 》本书选材内容丰富，包括了当代科学计算过程中涉及的大量内容：求特殊函数值、随机数、排序、最优化、快速傅里叶变换、谱分析、小波变换、统计描述和数据建模、偏微分议程数值解、若乾编码算法和任意精度计算等。本书科学性和实用性统一，不仅对每种算法进行了数学分析和比较，而且根据作者经验对算法给出了评论和建议，并在此基础上提供了用C++语言编写的实用程序。-《Numerical Recipes in C: The Art of Scientific Computing》, The pro
emd
- 对于输入的时间序列，按照经验模式分解得到一系列基本模式分量和余项的和。经验模式分解是区别于傅里叶变换和小波变化的一种更一般的时间序列频率分解的方法- IMF = EMD(X) where X is a complex vector computes Bivariate Empirical Mode Decomposition of X, resulting in a matrix IMF containing 1 IMF per row, the last one being the
EWT20150721
- 一种信号自适应处理方法，通过 提取频域极大值点自适应地分割傅里叶频谱以分离不同的模态,此方法为经验小波变换-A method of adaptive signal processing, Empirical wavelet transform
tftb-0.2
- 时频分析工具,短时傅里叶，小波变换，经验模态分析方法等-Time-frequency analysis tool
EWT
- 新开发出来的经验模态小波变换工具及其例程。-EWT toolbox.
ewt
- 经验小波变换，一种新的自适应信号处理方法-Empirical wavelet transform, a new adaptive signal processing method
emd
- 该方法的关键是经验模式分解，它能使复杂信号分解为有限个本征模函数（Intrinsic Mode Function，简称IMF），所分解出来的各IMF分量包含了原信号的不同时间尺度的局部特征信号。经验模态分解法能使非平稳数据进行平稳化处理，然后进行希尔伯特变换获得时频谱图，得到有物理意义的频率。与短时傅立叶变换、小波分解等方法相比，这种方法是直观的、直接的、后验的和自适应的，因为基函数是由数据本身所分解得到。由于分解是基于信号序列时间尺度的局部特性，因此具有自适应性。(The key of thi
EWT20161130
- matlab-ewt工具箱，2016最新版本。经验小波变换(Empirical wavelet transform (EWT) is a new self adaptive signal decomposition method.)
EWT
- 经验小波分解，通过ewt变换分解重构信号，实现对信号的降噪(Experience in wavelet decomposition, reconstruction signal by ewt transformation decomposition, realize the signal noise reduction)
wind power forecasting based on EWT-KELM
- 针对短期风电功率预测，提出一种基于经验小波变换预处理的核极限学习机组合预测方法。首先采用 EWT 对风电场实测风速数据进行自适应分解并提取具有傅立叶紧支撑的模态信号分量，针对每个分量分别构建 KELM 预测模型，最后对各个预测模型的输出进行叠加得到风速预测值并根据风电场风功特性曲线可得对应风电功率预测值。(Aiming at short-term wind power prediction, a kernel-based learning machine combination predicti
emd
- 经验模态分解（Empirical Mode Decomposition，EMD）是由 Huang等人于1998年提出的一种针对非线性、非平稳信号的自适应信号分解算法。自该方法提出以后便得到了学术界的广泛关注与研究，经过十几年的研究与发展，在理论方面EMD算法取得了进一步的完善。许多国内外学者也将该方法应用到了地球物理领域，并做了深度的研究与探索。与传统的基于Fourier变换的信号分析方法相比，EMD不仅突破了Fourier变换的局限性，而且不存在如小波变换一样需要预选小波基函数的问题，具有良好
EWT经验小波matlab应用实现（信号处理）
- 适用于一维EWT的变换文件，所有文件齐全，有测试文件，以及参数解释和帮助word文档，亲测可用。(For one-dimensional EWT transformation files, all the files are complete, there are test files, as well as parameter interpretation and help word documents, pro-test available.)